論文の概要: Which architecture should be implemented to manage data from the real
world, in an Unreal Engine 5 simulator and in the context of mixed reality?
- arxiv url: http://arxiv.org/abs/2305.09244v1
- Date: Tue, 16 May 2023 07:51:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 08:33:34.387709
- Title: Which architecture should be implemented to manage data from the real
world, in an Unreal Engine 5 simulator and in the context of mixed reality?
- Title(参考訳): 実世界のデータを管理するために、unreal engine 5シミュレータと混合現実のコンテキストにおいて、どのアーキテクチャを実装するべきか?
- Authors: Jonathan Cassaing
- Abstract要約: 本稿では, 理論的, 運用的両面において, この問題の詳細な分析を行う。
C++システムは詳細とサードパーティのライブラリでレビューされている。
最後の章では、大規模産業用3Dアプリケーションに有用な汎用アーキテクチャを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Due to its ability to generate millions of particles, massively detailed
scenes and confusing artificial illumination with reality, the version 5 of
Unreal Engine promises unprecedented industrial applications. The paradigms and
aims of Unreal Engine contrast with the industrial simulators typically used by
the scientific community. The visual quality and performance of its rendering
engine increase the opportunities, especially for industries and simulation
business: where interoperability and scalability are required. The study of the
following issue `` Which architecture should we implement to integrate
real-world data, in an Unreal Engine 5 simulator and in a mixed-reality
environment? '' offers a point of view. The topic is reexamined in an
innovative and conceptual way, such as the generalization of mixedreality
technologies, Internet of Things, digital twins, Big Data but providing a
solution for simple and actual use cases. This paper gives a detailed analysis
of the issue, at both theoretical and operational level. Then, the document
goes deep into Unreal Engine's operation in order to extract the vanilla
capabilities. Next, the C++ Plugin system is reviewed in details as well as the
third-party library integration: pitfalls to be avoided are shown. Finally, the
last chapter proposes a generic architecture, useful in large-scale industrial
3D applications, such as collaborative work or hyper-connected simulators. This
document might be of interest to an Unreal Engine expert who would like to
discover about server architectures. Conversely, it could be relevant for an
expert in backend servers who wants to learn about Unreal Engine capabilities.
This research concludes that Unreal Engine's modularity enables integration
with almost any protocol. The features to integrate external real data are
numerous but depend on use cases. Distributed systems for Big Data require a
scalable architecture, possibly without the use of the Unreal Engine dedicated
server. Environments, which require sub-second latency need to implement direct
connections, bypassing any intermediate servers.
- Abstract(参考訳): 何百万もの粒子を生成する能力、非常に詳細なシーン、そして現実と混ざった人工照明のおかげで、Unreal Engineのバージョン5は前例のない工業的応用を約束している。
Unreal Engineのパラダイムと目的は、科学コミュニティで一般的に使われている産業シミュレータとは対照的である。
レンダリングエンジンの視覚的品質とパフォーマンスは、特に産業やシミュレーションビジネスにおいて、相互運用性とスケーラビリティが求められる機会を増やします。
実世界のデータをunreal engine 5シミュレータと混合現実環境で統合するために実装すべきアーキテクチャについての研究
「」は視点を提供する。
このトピックは、複合現実感技術の一般化、モノのインターネット、デジタルツイン、ビッグデータなど、革新的で概念的な方法で再検討されている。
本論文は, 理論レベルと運用レベルの両方において, 問題の詳細な解析を行う。
次に、ドキュメントは、バニラ機能を抽出するために、Unreal Engineのオペレーションに深く入り込みます。
次に、C++プラグインシステムの詳細とサードパーティライブラリの統合についてレビューする。
最後に、最終章では、協調作業やハイパーコネクテッドシミュレータといった大規模産業用3Dアプリケーションに有用な汎用アーキテクチャを提案する。
この文書はサーバアーキテクチャについて知りたいUnreal Engineの専門家にとって興味があるかもしれない。
逆に、Unreal Engineの機能について学びたいバックエンドサーバの専門家に関係があるかもしれない。
この研究は、Unreal Engineのモジュラリティがほぼすべてのプロトコルとの統合を可能にすると結論付けている。
外部実データを統合する機能は多数あるが、ユースケースによって異なる。
ビッグデータのための分散システムは、おそらくUnreal Engine専用のサーバを使わずに、スケーラブルなアーキテクチャを必要とする。
秒以下のレイテンシを必要とする環境は、中間サーバをバイパスして直接接続を実装する必要がある。
関連論文リスト
- AgentStudio: A Toolkit for Building General Virtual Agents [57.02375267926862]
我々はエージェント開発の全ライフサイクルをカバーするオンラインで現実的でマルチモーダルなツールキットであるAgentStudioを紹介した。
これには環境設定、データ収集、エージェント評価、可視化が含まれる。
環境、データセット、ベンチマーク、インターフェースをオープンソース化し、一般的な仮想エージェントの開発に向けた研究を促進しました。
論文 参考訳(メタデータ) (2024-03-26T17:54:15Z) - MuSHRoom: Multi-Sensor Hybrid Room Dataset for Joint 3D Reconstruction and Novel View Synthesis [26.710960922302124]
実世界のマルチセンサーハイブリッドルームデータセット(MuSHRoom)を提案する。
我々のデータセットは、エキサイティングな課題を示し、最先端の手法がコスト効率が高く、ノイズの多いデータやデバイスに対して堅牢であることを要求する。
共同3Dメッシュ再構成と新しいビュー合成のためのデータセット上で、いくつかの有名なパイプラインをベンチマークする。
論文 参考訳(メタデータ) (2023-11-05T21:46:12Z) - ManiSkill2: A Unified Benchmark for Generalizable Manipulation Skills [24.150758623016195]
我々は、一般化可能な操作スキルのための次世代のSAPIEN ManiSkillベンチマークであるManiSkill2を紹介する。
ManiSkill2には、2000以上のオブジェクトモデルと4M以上のデモフレームを備えた20の操作タスクファミリが含まれている。
幅広いアルゴリズムをサポートする統一インターフェースと評価プロトコルを定義する。
高速な視覚入力学習アルゴリズムにより、CNNベースのポリシーでサンプルを約2000 FPSで収集することができる。
論文 参考訳(メタデータ) (2023-02-09T14:24:01Z) - Sim2real Transfer Learning for Point Cloud Segmentation: An Industrial
Application Case on Autonomous Disassembly [55.41644538483948]
我々は,点クラウドデータにsim2realTransfer Learningを用いた産業アプリケーションケースを提案する。
合成ポイントクラウドデータの生成と処理方法に関する洞察を提供する。
この問題に対処するために、パッチベースの新しいアテンションネットワークも提案されている。
論文 参考訳(メタデータ) (2023-01-12T14:00:37Z) - Kubric: A scalable dataset generator [73.78485189435729]
KubricはPythonフレームワークで、PyBulletやBlenderとインターフェースして写真リアリスティックなシーンを生成する。
本研究では,3次元NeRFモデルの研究から光フロー推定まで,13種類の異なるデータセットを提示することで,Kubricの有効性を実証する。
論文 参考訳(メタデータ) (2022-03-07T18:13:59Z) - MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic
Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。
提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。
また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
論文 参考訳(メタデータ) (2021-12-29T17:23:24Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳(メタデータ) (2021-12-22T14:45:37Z) - Towards Optimal Strategies for Training Self-Driving Perception Models
in Simulation [98.51313127382937]
合成ドメインのみにおけるラベルの使用に焦点を当てる。
提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。
マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
論文 参考訳(メタデータ) (2021-11-15T18:37:43Z) - UnrealROX+: An Improved Tool for Acquiring Synthetic Data from Virtual
3D Environments [14.453602631430508]
ロボット画像から合成データを生成するためのツールであるUnrealROXの改良版を紹介します。
UnrealROX+には、Deep Learningフレームワークから仮想環境と対話するalbedoやPython APIを生成する、といった新機能が含まれている。
論文 参考訳(メタデータ) (2021-04-23T18:45:42Z) - SAILenv: Learning in Virtual Visual Environments Made Simple [16.979621213790015]
仮想3Dシーンで視覚認識を実験できる新しいプラットフォームを提案する。
すべてのアルゴリズムを仮想世界とインターフェースするためには数行のコードが必要であり、非3Dグラフィックの専門家は容易に3D環境自体をカスタマイズできる。
我々のフレームワークはピクセルレベルのセマンティクスとインスタンスのラベル付け、深さ、そして私たちの知る限り、それは3Dエンジンから直接受け継がれるモーション関連情報を提供する唯一のものである。
論文 参考訳(メタデータ) (2020-07-16T09:50:23Z) - Tidying Deep Saliency Prediction Architectures [6.613005108411055]
本稿では,入力特徴,マルチレベル統合,読み出しアーキテクチャ,損失関数の4つの主成分を同定する。
我々はSimpleNet と MDNSal という2つの新しいエンドツーエンドアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-03-10T19:34:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。